2024年AI ASIC芯片市场前景、前沿应用及相关标的分析报告（37页）.pdf

1、2 0 2 4 年深度行业分析研究报告目 录 1 ASIC芯片市场前景 2 ASIC与GPU的对比 4 相关标的 3 北美四大CSP自研AI ASIC 2 3 大型CSP在资本支出方面投入巨大，支出的同比增速在加快。北美四大CSP的Capex规模今年来增幅显著提升，2024年前三季度整体规模达到1708亿美元，同比增长56%，且yoy逐季加快（Q1-Q3 yoy分别为34.7%、64.6%、68%）。其中，微软530亿美元，yoy+78.5%；亚马逊551.7亿美元，yoy+44.6%；谷歌382.6亿美元，yoy+79%；Meta 243.9亿美元，yoy+20.7%。资本支出大幅提升的背后

2、，是各家巨头在AI赛道上的竞赛、AI算力的稀缺、AI云赋能和AI生态的拓展等多方面驱动。1.1 大型CSP加速资本支出 数据来源：各公司公告，西南证券整理 北美四大CSP资本支出规模（亿美元）4 大型CSP的业务模型、应用场景等很多通过自身的云来承载，每个云承载了独特的应用和商业模型，包括内部应用（比如搜索引擎、社交媒体等）、SaaS服务（比如AI聊天机器人、Copilot等）、IaaS服务等。ASIC 可以适应不同的业务场景和商业模式的需求。ASIC可以满足客户的需求：1）内部工作负载的架构优化；2）更低的功耗，更低的成本；3）为AI工作负载定制的内存和I/O架构。1.2 ASIC可适应不同

3、的业务场景和商业模式的需求 数据来源：Marvell，西南证券整理 ASIC需要满足不同业务/应用的加速计算需求 5 目前在训练阶段，训练集群对加速计算芯片的需求已提升到万卡级别。随着AI模型对训练需求的提升，未来10万卡级别指日可待。而在推理阶段，由于计算量与业务和应用密切相关，单个推理集群对加速计算芯片的需求低于训练集群，但推理集群的部署数量要远多于训练集群，推理集群的数量预计会达到百万级别。AI算力集群特别是推理集群对加速计算芯片的庞大需求，是ASIC快速成长的核心驱动力。1.3 训练和推理集群对加速计算芯片的需求 数据来源：Broadcom，Marvell，西南证券整理 训练和推理对A

4、I算力集群的需求差异 6 据Marvell预测，2023年 ASIC 占数据中心加速计算芯片的16%，规模约为66亿美元；随着 AI 计算需求的增长，ASIC 占比有望提升至25%，预计2028年数据中心 ASIC 市场规模将提升至429亿美元，CAGR为45.4%。1.4 ASIC市场规模预测 数据来源：650 Group,CignalAI,DellOro,LightCounting,Marvell,西南证券整理 数据中心定制加速计算市场规模 目 录 1 ASIC芯片市场前景 2 ASIC与GPU的对比 4 相关标的 3 北美四大CSP自研AI ASIC 7 8 ASIC针对特定算法和应用进

5、行优化设计，在特定任务上的计算能力强大，例如在某些AI深度学习算法中实现高效的矩阵运算和数据处理。GPU具有强大的并行计算能力，拥有众多计算核心，可同时处理多个任务，在通用计算和图形处理方面表现出色，适用于大规模的数据并行计算，如科学计算、图形渲染、视频处理等；但GPU在特定任务上的计算效率可能不如ASIC。ASIC通常具有较高的能效比，因其硬件结构是为特定任务定制的，能最大限度减少不必要的功耗。GPU由于其通用的设计架构，在执行特定任务时可能存在一些功耗浪费；但随着技术的进步，新一代GPU也在不断提高能效比。ASIC在处理特定任务时，能实现高吞吐量，数据处理速度快，可快速完成大量的数据处理工

6、作。GPU具有较高的带宽和并行处理能力，在图形处理和通用计算中能实现较高吞吐量，但在处理一些复杂、非图形相关的特定任务时，其吞吐量可能会受到一定限制。ASIC在绝对算力和片间互联方面普遍低于AI GPU，但ASIC的服务器间互联由于采用以太网为主，具有通用性强、生态开放、低成本等优势。2.1 ASIC硬件性能：针对特定算法和应用优化设计，具有较高能效比 数据来源：各公司官网，西南证券整理 市面主流GPU与ASIC规格对比 9 ASIC的单位算力成本更低，满足一定的降本需求。ASIC因其硬件结构是为特定任务定制的，减少了很多针对通用加速计算的不必要的硬件设计，其单位算力成本相比GPU或更低。谷歌